Converter a codificação da legenda
Ou cole o texto da legenda
Opções
Isto muda os bytes, não as legendas. Cada caractere do arquivo é escrito na codificação que você escolher, então um reprodutor ou script que exige uma codificação recebe um arquivo que consegue ler. UTF-8 é a que tudo o que é moderno espera e a que este site escreve em todos os outros lugares. UTF-8 com BOM são os mesmos bytes com a marca de três bytes na frente. UTF-16 LE é o que os programas do Windows chamam de Unicode e ocupa aproximadamente o dobro. Windows-1252 é a codificação da Europa Ocidental mais antiga, um byte por caractere, e é com ela que se deve ter cuidado: não tem espaço para chinês, japonês, coreano, cirílico, grego nem emoji, então cada caractere que ela não consegue escrever sai como ponto de interrogação e é contado no relatório acima. Nada mais no arquivo muda.
A taxa de quadros em que os tempos são contados. Nas páginas de formato é o que o MicroDVD precisa, porque ele guarda os tempos como números de quadro. Nas páginas de taxa de quadros é a taxa com que o arquivo foi cronometrado — a versão para a qual as legendas foram feitas — e a segunda caixa da página recebe a taxa do vídeo com que você vai usá-las. 23,976, 24, 25, 29,97, 30, 50, 59,94 e 60 são as comuns. Errar isso desloca toda a linha do tempo e, nas páginas de taxa de quadros, desloca por uma proporção em vez de por uma quantidade fixa.
A codificação de caracteres de um arquivo é a regra que transforma o texto dele em bytes, e é a única propriedade de um arquivo de legenda que não pode ser vista olhando para ele. Bloco de notas, navegador, servidor de radiodifusão e televisão todos precisam ser informados ou adivinhar, e quando adivinham de formas diferentes o texto chega como símbolos que não pertencem a idioma nenhum. Esta página grava um arquivo em uma codificação que você nomeia, para que a ponta que lê não tenha o que adivinhar.
O padrão é manter aquela em que o arquivo chegou, que é o que você quer na maior parte do tempo: uma operação como deslocar uma legenda no tempo não tem por que reescrever a codificação, e um arquivo que era UTF-16LE quando entrou continua UTF-16LE quando sai. Mude este ajuste só quando algo à sua frente nomear uma codificação — uma especificação de entrega, uma ferramenta que recusa um arquivo, um tocador mostrando os caracteres errados — ou quando você está padronizando uma pasta de arquivos vindos de lugares diferentes.
As quatro escolhas do painel são as que aparecem. UTF-8 é o que a web e a maioria das ferramentas modernas usam, e o que toda página de conversão deste site grava por padrão. UTF-8 com marca são os mesmos bytes com três extras na frente, para os programas do Windows que olham os bytes de abertura para decidir. UTF-16LE é o que as ferramentas de legenda do Windows chamam de Unicode, e guarda cada caractere como dois bytes, então o arquivo sai com aproximadamente o dobro do tamanho. Windows-1252 é a codificação da Europa Ocidental mais antiga, ainda gravada por muitas ferramentas de radiodifusão europeias, e consegue guardar os acentos das línguas da Europa Ocidental e nada mais.
Esse último ponto é uma perda, e é a razão de esta página informar uma antes de você confirmar. Salve legendas em japonês, chinês, cirílico ou grego como Windows-1252 e os caracteres que não têm byte nessa codificação são escritos como pontos de interrogação — o arquivo não está quebrado, os caracteres errados é que sumiram. O relatório acima da área de trabalho os conta e diz quantos, e a contagem vem da mesma tabela de caracteres com que o codificador grava, então o número que você lê é o número de pontos de interrogação que vai receber. Se a contagem não for zero, escolha outro destino.
Os dois painéis desta página podem parecer idênticos, e isso é esperado e não um defeito: uma codificação é uma propriedade dos bytes, e os painéis contêm os caracteres. A mudança acontece no momento em que o arquivo é gravado, que é quando você o baixa. A linha de cada arquivo diz sob qual codificação ele foi lido e acrescenta um segundo rótulo nomeando a codificação com que será gravado quando as duas forem diferentes. Nada é enviado, e o trabalho é feito no seu navegador.
Exemplos
Um arquivo de legenda em inglês gravado como UTF-8
Entrada
1
00:00:01,000 --> 00:00:02,000
The room is dark.
Saída
1
00:00:01,000 --> 00:00:02,000
The room is dark.
O padrão, e a codificação que toda outra página deste site grava. A saída é igual à entrada porque UTF-8 era o que o arquivo já era. O que este caso fixa é o negativo: escolher uma codificação não normaliza mais nada no arquivo, então uma legenda não perde os fins de linha, não ganha uma marca nem muda o timecode porque você visitou esta página.
O mesmo arquivo gravado como UTF-16LE
Entrada
1
00:00:01,000 --> 00:00:02,000
The room is dark.
Saída
1
00:00:01,000 --> 00:00:02,000
The room is dark.
Os programas de legenda do Windows chamam isto de Unicode, e é a codificação que faz a maior diferença visível no arquivo: cada caractere vira dois bytes, uma marca entra na frente e o resultado fica com aproximadamente o dobro do tamanho. Nada disso é visível nestes painéis, porque eles contêm caracteres — o tamanho do arquivo no seu gerenciador de arquivos e a codificação no seu editor é onde a diferença aparece.
Legendas em japonês gravadas como Windows-1252
Entrada
1
00:00:01,000 --> 00:00:02,000
こんにちは
Saída
1
00:00:01,000 --> 00:00:02,000
こんにちは
Cinco kana e uma codificação sem espaço para nenhum deles, então o relatório de perdas desta execução conta cinco caracteres que viram pontos de interrogação. Os painéis continuam mostrando os kana, porque a substituição acontece quando o arquivo é gravado e não quando é lido. Essa separação é deliberada: você vê o que o arquivo diz e, no relatório, o que estaria abrindo mão ao gravá-lo assim.
Perguntas frequentes
Qual é a diferença entre a codificação de um arquivo de legenda e o formato dele?
O formato é como o arquivo organiza números de legenda, timecodes e texto — SRT, WebVTT, ASS e assim por diante — e é algo que você consegue ler. A codificação é como esses caracteres são transformados em bytes, e é invisível: o mesmo arquivo SRT pode ser guardado como UTF-8, UTF-16 ou Windows-1252 e parecer idêntico em todo editor. Esta página muda a segunda e deixa a primeira em paz; as páginas de conversão mudam a primeira.
O que acontece com caracteres que a codificação de destino não consegue representar?
Eles são escritos como pontos de interrogação, e a página diz quantos antes de você baixar. Windows-1252 cobre letras da Europa Ocidental e não tem byte para japonês, chinês, coreano, cirílico, grego ou emoji, então esses caracteres não sobrevivem nela de forma nenhuma — não há erro nem substituição que preserve o significado. A contagem no relatório de perdas é o número de pontos de interrogação no arquivo que você receberia, calculada com a mesma tabela que o gravador usa.
Por que os dois painéis parecem iguais quando converto a codificação de uma legenda?
Porque os painéis contêm caracteres e a escolha é sobre bytes. Texto é texto; se cada caractere ocupa um byte, dois ou três é decidido quando o arquivo é gravado, no momento do download. A linha na fila nomeia a codificação sob a qual cada arquivo foi lido e acrescenta um segundo rótulo quando a codificação com que ele será gravado for diferente, e o seu próprio editor vai informar a codificação do arquivo que você salvou.
Qual codificação devo escolher para um arquivo de legenda que estou entregando?
UTF-8, a menos que algo na especificação diga o contrário, e a especificação costuma dizer. Windows-1252 é comum em entregas de radiodifusão europeias e é segura apenas para texto da Europa Ocidental; UTF-16LE é o que uma ferramenta de autoração exclusiva de Windows pode exigir. Se o arquivo já estava em uma codificação adequada, o padrão a mantém, que é a resposta mais segura de todas quando nada deu errado.
Escolher UTF-16 deixa o meu arquivo de legenda com o dobro do tamanho?
Deixa, quase exatamente. Cada caractere é guardado como dois bytes, então um arquivo de legenda em inglês de 20 KB vira cerca de 40 KB, e uma etapa de compressão de uso geral depois remove boa parte dessa diferença. A marca na frente acrescenta mais dois bytes. O tamanho é a troca por uma propriedade que tornou o UTF-16 comum no Windows: todo caractere tem a mesma largura, o que o software antigo achava mais fácil de lidar.
Por que não há uma opção UTF-16 big endian na lista de codificações?
Porque ninguém a escolhe, e arquivos que já estão nela são tratados de qualquer jeito. Um arquivo que chega como UTF-16 big endian é gravado de volta como UTF-16 big endian no ajuste padrão, já que manter a codificação de entrada é o que a página faz quando você não nomeia uma. A lista tem os quatro destinos que as pessoas realmente pedem; o gravador por baixo cobre big endian para que manter um arquivo como estava nunca o mude em silêncio.